BCSeminar国航客户分析.pptVIP

国航客户分析介绍 Teradata 2011/12 目录 客户价值评估 高价值客户细分 常旅客流失预警 心得体会 项目背景 现有高价值客户服务体系对客户价值的评估标准较单一，存在优化空间 常旅客 两舱旅客 KA 白金卡 国航高价值旅客服务体系 缺点 KA客户数量极少 两舱客户不是以客户为中心：客户这次乘坐2舱，下次可能乘坐折扣舱 常旅客等级的有效期较长，一旦获得，即时客户很久不飞也享受高等级服务 部分高价值客户不是常旅客 价值评估的建模方法——RFM模型 RFM模型是衡量客户价值和客户创利能力的重要工具和通用手段，被广泛用于航空业的客户价值评估中 客户价值要素 Recency Frequency Money 即客户最近一次购买时间与当前时间的间隔，这个值越小，客户价值越大 即客户在一段时间内的累计购买次数，这个值越大，客户价值越大 即客户在一段时间内的累计购买金额，这个值越大，客户价值越大 RFM模型的几个关键性问题 行业通用模型在落地过程中，需要根据企业的实际情况进行调整优化 关键问题 RFM模型要求按照一个固定时间周期，计算并统计客户的价值，并进行比较分析 统计周期与行业的季节性波动相关 R/F/M 三个维度指标的具体计算口径，应根据行业的情况进行调整 是采用原始值，还是分段排序？ R/F/M 三个维度的重要性不完全 相同，应根据行业特点与业务需求， 设置合适的权重 是否需要进行数据标准化？选用何种标准化的方法？ 应如何处理特殊的极端值对价值评估带来的影响？ （1）统计周期 （2）计算口径 （4）维度权重 （3）数据处理 这些关键问题需要对企业的具体业务数据进行大量分析 （1）统计周期 根据航空业的季节波动以及数据仓库的现有数据周期，选择了2个窗口 统计窗口1：2010年7月-2011年6月，共12个月 统计窗口2：2009年7月-2010年6月，共12个月 客户总数：当前数据仓库整合过的所有个人客户， 国航2010年度客户与收入数据 行业旺季 行业淡季 单位：万 单位：人次 （2）计算口径 根据国航现有5千万客户的数据分布情况，确定了R/F/M的计算口径，并确定采用统计原始值而非分段排序 指标统计口径 指标计算方式 R：统计周期内最近订票时间与统计周期最后一天之间的间隔天数 当客户在统计周期内没有订票行为时，不取原始值，而取365 F：统计周期内累计飞行航段数 M：统计周期内累计机票毛收入 经过数据分析发现，国航客户在F与M这两个指标的分布极为集中，无法使用分段排序的取值方式，只能采用原始值 超过一半的客户在F/M得分为0 若F取TOP 5%，则落到了4次 为了剔除极端值的影响，建议范围如下 M：12万元 F：80次 （3）数据处理 采用线性插值法对数据进行标准化，剔除不同指标量纲对结果的影响 F极限值为80次，M极限值为12万 √ 线性插值 LOG转换 Z-Score 标准化之后的值在0-1之间，计算简便，容易理解 对于R，因为R越小越好，其标准化取值为1-X* 标准化方法 优缺点 要求所有数据大于1 处理后的数据能接近正态分布 （4）维度权重 按照三种方法进行了权重计算，并根据不同结果进行了多次试算，根据计算结果的合理性，最终选择了B方案，即1:4.5:4.5 等级 A方案 （1:3:6） B方案 （1:4.5:4.5） C方案 （2:4:4） 标准 人数 占比 标准 人数 占比 标准 人数 占比 高价值 =0.2 291,866 1.4% =0.2 313,824 1.5% =0.3 229,989 1.1% 中价值 0.2 =0.1 3,752,712 18.5% 0.2 =0.1 3,932,860 19.4% 0.3 =0.2 2,211,590 10.9% 低价值 0.1 0 16,206,568 80.0% 0.1 0 16,004,462 79.0% 0.2 0 17,809,567 87.9% 零价值 =0 32,180,974 - =0 32,180,974 - =0 32,180,974 - 注：占比只计算了价值大于0的客户 部分两舱客户无法达到高价值标准 客户成为高价值，即要求得分超过0.2，这意味着在一个周期内客户的飞行次数应超过4次，且机票毛收入约为1万元，部分两舱客户无法达到 R F M 权重1:3:6 平均得分为0.5 则R的最终贡献为0.5*0.1=0.05分 数据分布 得分应超过0.05，这意味着飞行次数超过4次（80*0.05） 得分应超过0.1，这意味着机票毛收入达到1.2万元 （12*0.1） 权重1:4.5:4.5 平均得分为0.5 则R的最终贡献为0.5*0.1=0.05分 得分应超过0.075，这意味着飞行次数达到6次（80*0.